• 加深對電腦視覺、監督式學習法和訓練AI模型的理解及應用。

• 透過訓練 AI 模型去識別人臉。

• 點擊<重置學習>按鈕一次。
• 關閉<自動駕駛>按鈕。
• 點擊<學習>按鈕。
• 要求一名學生將機器人握在手中。

使用機器人的相機對著參與者的臉，按下5次正確標記的輸出（操作）。此操作用於識別參與者。

做出成功人臉識別的提示 :

• 臉部應覆蓋75-80％的屏幕圖像。越接近臉越好。
• 對於同一參與者，每次使用相同的背景。使用簡單的背景。
• 每次拍攝同一參與者的照片時，稍微移動相機。
• 對其他參與者重複上述操作。

• 關閉<學習>按鈕。點擊按鈕 , 開啟<自動駕駛>。機器人將使用學習的智能來識別臉部。
• 測試第一位參與者 - 測試第二位參與者 - 測試第三位參與者等。
• 結果是否正確？
• 如果結果不好，您可以添加更多的訓練。或考慮到同一背景進行測試。

• 機器人能否正確識別人臉？
• 機器人在訓練後是否獲得了智能？您如何知道？
• 您能否注意到隱藏層？有多少層？

• 重溫 「3a訓練識別可口可樂罐和Perrier瓶」的 監督式學習法 Supervised Learning（總結及要點）

簡介「隱藏層 Hidden Layers」-  神經網路有三種不同的層：

• 輸入層 - 神經網絡需要一個輸入層去接收輸入資訊，讓層內的神經元及連接可以作出處理及計算，並且 將計算結果傳送到下一個層。 
• 輸出層 - 神經網絡一定有一個輸出層。輸出層接收到由之前所有層處理過的訊息，並作最後計算及處 理，將計算出的輸出數值放在輸出元內。 
• 隱蔽層 - 隱蔽層是介乎輸入層和輸出層之間的層，可以是一個，亦可以是多個的。
  • 隱蔽層是隱藏在神經 網路內的，正常情況下是看不到的，這就是為何被稱為 “隱蔽層” 了。 
  • 隱蔽層會用複雜及高深的數學去處理資訊。這使神經網路能夠擁有學習複習工作及事物的能力。 
  • 隱蔽層使神經網路成為最優秀和最強大的機械學習演算法。 
  • 用AI去處理複雜的問題，隱蔽層是必須的。 
  • 如果使用大量的隱蔽層或者隱蔽層內有大量的神經元，這時，神經網絡就需要大量的時間去處理資 訊和計算結果了。 
  • 有多個隱蔽層的神經網絡被稱為 “深度神經網絡”，它擁有 “深度學習” 的能力。